-
公开(公告)号：CN119296329A
公开(公告)日：2025-01-10
申请号：CN202411820730.6
申请日：2024-12-11
Applicant: 之江实验室
Abstract: 本发明公开一种基于太空计算的城市交通时空资源优化方法及装置，首先设计太空星座，以获取指定区域的城市卫星遥感图像；并实现天感天算，得到设定时间间隔内指定区域的实时交通流信息；使用交通仿真工具构建信号控制交叉路口，得到仿真交通流信息；并基于仿真交通流信息分别构建训练数据集，使用深度Q网络算法训练基于强化学习的车道配置智能体和信号配时智能体；最后用训练后的车道配置智能体定期评估车道配置的状态，并决定是否需要调整车道方向；由训练后的信号配时智能体实时监控交通流参数，并调整信号配时参数以优化交通流。本发明能够实现交通时空资源的优化配置。
-
公开(公告)号：CN118509039B
公开(公告)日：2024-10-22
申请号：CN202410977268.4
申请日：2024-07-22
Applicant: 之江实验室
IPC: H04B7/185 , H04B10/118 , H04B10/073 , H04B10/112
Abstract: 本发明提供一种多态卫星间激光通信链路仿真方法、装置及电子设备，该方法主要用来模拟多种状态下近地卫星之间的激光器通信的可达性，包括同轨、异轨同轨道半长轴、异轨不同轨道半长轴卫星之间的三种情况分别进行计算模拟，判断建立通信的激光器架设在卫星的上下左右前后哪个位置，实现常见近地卫星间激光通信链路的仿真。本发明通过建立卫星轨道模型，然后通过坐标系转换方法以及卫星轨道六根数信息判断目标卫星和参考卫星的相对位置确定两个卫星链接的激光器编号，另外引入光线投射算法判断目标卫星是否在参考卫星的激光器扫描范围内，从而确定两个卫星是否可以建立通信链路。本发明能够解决激光器各类布设情况下的星间激光链路的建立问题。
-
公开(公告)号：CN117768891A
公开(公告)日：2024-03-26
申请号：CN202311754249.7
申请日：2023-12-19
Applicant: 之江实验室
IPC: H04W12/069 , H04W12/108 , H04W12/08 , H04L9/30 , H04W4/46 , H04W4/44
Abstract: 本发明公开了一种基于SM2签名的网联车辆身份快速识别方法、装置及介质，为计算资源有限的网联车辆构建安全高效的V2X通信方案，保证车联网环境下V2V、V2I通信消息的完整性、不可抵赖性。本发明基于SM2数字签名技术提出了一种基于预处理的分组批量验证方法，对实时接收到的车辆V2X消息签名及其身份证书进行验证，通过减少签名验证过程中标量乘法的计算次数，实现对大量V2X通信消息的快速验证。本发明针对分组批量验证失败的签名进行逐一验证以识别异常车辆身份，并基于历史验证信息维护车辆身份黑白名单以辅助提升身份识别效率。经过测试表明异常签名占比10％前提下，本发明实施例与连续分别验证1000个签名相比节省约50％的异常车辆识别时间。
-
公开(公告)号：CN116188167B
公开(公告)日：2023-08-04
申请号：CN202310404466.7
申请日：2023-04-17
Applicant: 之江实验室
Abstract: 本发明公开一种基于DAG结构的区块链系统及共识方法，该共识方法中，节点需要为发起的交易创建相应的新区块，并从更新的本地账本中选择两个先前的边缘区块作为新区块的第一父区块和第二父区块，新区块连接在父区块之后形成DAG结构的区块账本。其中，以账本中与该新区块的业务相似性最大的边缘区块作为第一父区块，以账本中高度最大的边缘区块作为第二父区块。本发明的DAG区块链系统在保留DAG结构优势的同时，针对DAG结构下交易排序低效的问题，通过业务相似性实现不同类型的交易分层，有效提升交易排序效率；同时所有的区块都连接在高度最大的区块之后，增强了区块和整个区块链系统的安全性。
-
公开(公告)号：CN116151493B
公开(公告)日：2023-07-25
申请号：CN202310443476.1
申请日：2023-04-24
Applicant: 之江实验室
IPC: G06F17/00 , G06Q10/04 , G08G1/01 , G06Q50/30 , G06F18/2321 , G06N3/0442
Abstract: 本发明公开了一种基于头部效应和循环神经网络的交通拥堵预测方法和装置，属于交通预测领域，包括：获取车辆轨迹点序列数据并依次进行清洗和路网匹配得到有效轨迹点序列数据；基于有效轨迹点序列数据构建节点表示轨迹点对应访问行为、连边表示行为间关系强度的原始行为图；基于头部效应在有效轨迹点序列数据中挖掘真实意图轨迹数据，基于真实意图轨迹数据对原始行为图进行意图增强，得到意图增强行为图；对意图增强行为图进行嵌入表示得到嵌入向量；采用门控循环神经网络根据嵌入向量预测未来时刻轨迹点对应的访问行为后，对访问行为进行密度聚类，根据聚类结果预测交通拥堵情况。该方法和装置通过考虑头部效应以提升交通拥堵的预测准确性。
-
Patent Agency Ranking
公开(公告)号：CN114038216B
公开(公告)日：2022-12-23
申请号：CN202111171374.6
申请日：2021-10-08
Applicant: 之江实验室
Abstract: 本发明公开了一种基于路网划分和边界流量控制的信号灯管控方法，本方法先采用基于最大协同度的路网划分方法将城市全域交通路网划分为子路网簇，并将子路网的每个路口视为一个智能体，设计基于深度神经网络的多智能体强化学习方法，通过子网内智能体执行动作过程中与周围交通环境不断交互来学习生成子路网内信号灯最优协同控制策略。同时通过标定子路网宏观基本图模型，对子路网边界路段及路口进行流量控制，进一步优化子路网交通运行状态和通行效率。本发明相对于传统的交通信号灯控制方法，从全局角度对全域路网进行划分，通过对子路网内多信号灯的协同控制和子网边界的流量控制，实现城市信号灯的高效管控，对缓解城市交通拥堵具有重大意义。
-
公开(公告)号：CN114419605B
公开(公告)日：2022-07-19
申请号：CN202210317048.X
申请日：2022-03-29
Applicant: 之江实验室
IPC: G06V20/58 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06T3/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多网联车空间对齐特征融合的视觉增强方法及系统，该方法利用网联车自身及其周围一定范围内的网联车视觉特征，空间对齐后基于多特征自学习机制进行特征融合，实现网联车的视觉扩展和增强。本发明设计了一个基于多特征自学习机制的网络单元，在收到周围一定范围内的网联车压缩中间特征图后，综合利用网联车的世界坐标和前进方向间的夹角大小，对解压缩后的中间特征图进行仿射变换，并将变换对齐后的特征图利用基于多特征自学习机制的网络单元进行特征融合，去除冗余特征的同时实现特征间的互补和增强。利用融合后的中间特征检测出网联车自身视角下以及被部分遮挡或全部遮挡的目标障碍物，从而提高网联车驾驶的安全性。
-
公开(公告)号：CN114419605A
公开(公告)日：2022-04-29
申请号：CN202210317048.X
申请日：2022-03-29
Applicant: 之江实验室
IPC: G06V20/58 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06T3/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多网联车空间对齐特征融合的视觉增强方法及系统，该方法利用网联车自身及其周围一定范围内的网联车视觉特征，空间对齐后基于多特征自学习机制进行特征融合，实现网联车的视觉扩展和增强。本发明设计了一个基于多特征自学习机制的网络单元，在收到周围一定范围内的网联车压缩中间特征图后，综合利用网联车的世界坐标和前进方向间的夹角大小，对解压缩后的中间特征图进行仿射变换，并将变换对齐后的特征图利用基于多特征自学习机制的网络单元进行特征融合，去除冗余特征的同时实现特征间的互补和增强。利用融合后的中间特征检测出网联车自身视角下以及被部分遮挡或全部遮挡的目标障碍物，从而提高网联车驾驶的安全性。
-
公开(公告)号：CN113257005A
公开(公告)日：2021-08-13
申请号：CN202110708750.4
申请日：2021-06-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于关联度量的车流量统计方法，该方法基于高速道路路侧监控视频，采用视觉分析方法，统计通过虚拟断面的车流量。本发明引入基于深度学习的车辆检测方法，在连续视频帧中对运动车辆外框进行准确贴合的检测，通过提出一种融合前后视频帧中运动车辆的位置重叠度和基于车辆检测框子区域的特征向量的特征匹配度这两个度量因子的关联度量，分析运动车辆在前后帧的关联关系，从而实现对经过虚拟断面车辆的持续稳定跟踪，减少由于车辆换道、互相遮挡造成的统计结果不准的问题。本发明提出了一种基于关联度量的车流量统计方法，有效统计出通过高速道路虚拟断面的车流量，为高速道路路网管理和交通精准管控提供可靠依据。
-
公开(公告)号：CN112562337A
公开(公告)日：2021-03-26
申请号：CN202011455350.9
申请日：2020-12-10
Applicant: 之江实验室
Abstract: 本发明公开一种基于深度学习的高速公路实时交通事故风险评估方法，该方法首先使用ETC门架、高速互通、收费站的基础信息，为高速公路划分路段，并建立路段间的上下游关联关系；并分别计算各路段的车流量、车流速度与车流密度，获取道路信息、气象信息和事故信息，并将其转换为独热编码，然后对事故发生点的上下游路段对应的四类信息进行数据融合、数据重采样和标准化；再根据获取的数据，区分其中的时序特征和非时序特征，构建并训练深度学习模型；最后根据训练好的深度学习模型，对高速公路各路段发生交通事故的风险水平进行实时评估，计算获得事故风险水平指标。本发明可及时准确地对高速公路交通事故风险水平进行评估。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.023 seconds)
